PyTorch使用Flatten层报tuple不可调用错误的解决方法

问题复现 #

自定义模型代码 #

import torch
import torch.nn as nn
import torch.nn.functional as F

class MyModel(nn.Module):
    def __init__(self, input_size, num_classes):
        super(MyModel, self).__init__()
        self.layer_1      = nn.Conv1d(1,   16,  3, bias=False, stride=2)
        self.activation_1 = F.relu       
        self.adap         = nn.AdaptiveAvgPool1d(1)
        self.flatten      = nn.Flatten(),  
        
        self.layer_2      = torch.nn.Linear(2249, 500)
        self.activation_2 = F.relu
        self.layer_3      = torch.nn.Linear(500, 2)

    def forward(self, x, labels=None):
        x = x.reshape(256, 1, -1)                        
        x = self.layer_1(x)     
        x = self.activation_1(x)            
        x = self.flatten(x)
        return x

测试调用代码 #

model = MyModel(input_size=4500, num_classes=2)
torchinfo.summary(model, (256, 4500))

触发的报错信息 #

Input In [101], in MyModel.forward(self, x, labels)
30 x = self.activation_1(x)
—> 31 x = self.flatten(x)
32 return x

TypeError: ‘tuple’ object is not callable

问题解答 #

1. 错误产生原因 #

报错的直接诱因是__init__方法中定义self.flatten时，行尾多写了一个半角逗号。
Python语法规则下，单个对象赋值时末尾加逗号，会自动将该对象包装为单元素元组。也就是说此时self.flatten不是预期的nn.Flatten()可调用层实例，而是一个仅包含一个nn.Flatten实例的元组对象。元组本身是不可调用的，当在forward里写self.flatten(x)尝试像调用函数/层一样传入参数运行时，就会触发tuple object is not callable的类型错误。

2. 代码修改方案 #

• 第一步先修复直接触发报错的语法问题：删除self.flatten赋值行末尾的多余逗号，修正为：

self.flatten = nn.Flatten()

• 同步修复代码中其他会导致后续运行错误的逻辑问题：
  • 不要在forward方法中把batch维度硬编码为256，改为动态读取输入的batch size，否则更换batch size输入时会触发维度不匹配错误，将x = x.reshape(256, 1, -1)修改为：

    x = x.reshape(x.shape[0], 1, -1)
    

  • __init__中定义的自适应平均池化层self.adap、全连接层self.layer_2、激活函数self.activation_2、输出层self.layer_3目前没有加入前向传播流程，如果需要实现完整的分类逻辑，需要按网络结构顺序将这些层补充到forward方法中，否则模型经过卷积、激活、展平后就直接返回输出，无法完成分类任务。

内容的提问来源于stack exchange，提问作者user3668129